引入AI Agent之前，先把公司变成一个文件系统

“Agent到底该怎么用？”

最近在外部活动中，无论企业规模大小，高管们见面时总会提出这个问题。虽然Vibe Coding很火，但说实话大部分工作和编程根本不沾边。这个世界上绝大多数劳动者都是非开发者，他们其实最需要用Agent来最大化效率，但大多数人根本不知道从哪里开始。

因为过度使用AI，我在某个时刻产生了一个奇怪的视角。无论是个人还是公司，一切都开始看起来像一个文件系统。而我意识到，这恰恰就是正确答案。

你的公司就是一个文件系统

YC投资的Eli Mernit说得很准确：“Your Company is a Filesystem。“Agent之所以强大，是因为整个上下文以文件形式存在于计算机中。

以律所为例，新案件写入/cases，分配律师就添加到该律师的文件夹，时间记录进入/billing/time-sheet。整个后台变成了一个状态机。

企业引入Agent之所以困难，原因很明确。即使使用了ERP，数据也没有统一，而是散落在各个角落。每天翻好几次邮件、问身边同事。这种重复不断推高成本。以解决这个问题为使命的Glean成为了AI独角兽，足以说明这是所有企业都面临的严重问题。

没有共享的命名空间，Agent就完全无法掌握上下文。 碎片化的文件不断增加，灾难就从那时开始。但如果用文件系统来建模，这个问题就迎刃而解。权限结构也能像Unix文件权限一样自然映射。

• 在Obsidian、Notion或Google Drive中存储记录现在非常简单
• 一台服务器加存储就能通过MCP连接公司全部数据
• 通用业务的Agent架构最终归结为**“文件系统=状态”和”Claude=编排者”**

运营自动化中领悟的三条规则

在推进Smoretalk的运营自动化过程中，我领悟了三条关键规则。

第一：文件命名

没有统一的命名规则，索引就会一团糟。AI找不到文件而浪费的时间比你想象的要长得多。统一文件命名规则后，索引准确率会大幅提升。

第二：文件说明

需要把每个文件的描述以.md格式单独保存。如果AI每次都要打开原始文件来确认内容，耗时太长。将.md元数据文件分离出来，搜索时间和Token消耗都能大幅节省。

第三：存储结构

文件系统是树结构，一旦深入就很难看清全貌。计算机科学中学到的搜索算法在这里真正派上了用场。保持树的深度尽量浅，Agent的搜索效率就会提高。

问题不在LLM，而在Harness

安全研究员Can Bölük最近在博客中做了这样的诊断。虽然是编程语境，但完全适用于一般业务。坦白说，对于大多数水平的任务，AGI已经到来了。模型性能是够的，只是执行能力还没有被精炼。

Codex、Claude Code、Gemini CLI都运行良好，但各有局限。所以创建了三个月内增长最快的GitHub仓库OpenClaw的Peter，自己又做了一个Google Suite CLI。需要的Harness不存在，就只能自己造。

归根结底，需要高级工程师或团队负责人先制定规则：

• 制定文件命名指南
• 确定新建资料的必填字段
• 规范内存组织方式
• 设计网盘权限结构

速度、准确率和Token节省都取决于文件系统设计。通过Hook强制执行文档审查和格式规则，任何人都能产出统一的工作成果。

结论

喊再多的AX口号，如果连这些基本工作都做不到，AI引入不过是单纯的成本投入。简单的AI + X模式今年将被极端地淘汰，纳斯达克近期的走势已经清楚地说明了这一点。

Agent时代的竞争力不在模型，在文件系统设计。 能制定规则的人是固定的。能改变公司内部系统的只有内部人员，不是外部能招来的人。随意授权给任何人带来的企业风险超乎想象。

建议所有想在组织中引入AI的朋友，先从个人层面试验性地开始文件系统设计。这是迎接Agent时代最可靠的第一步。